Departament:

Sinteza proiectării de arhitectură

Titular:

conf.dr.mat. Anca Vitcu

Limba de predare:

română

Obiective:

Scurtă descriere

Cursul propune o introducere în domeniul Inteligenței Artificiale (IA), privit ca partener inovator și eficient în proiectare și analiză, oferind o formă nouă de asistență în găsirea echilibrului între creativitate, constrângeri și complexitate.

Ne vom concentra pe tehnicile de Machine Learning (ML) și Deep Learning (DL) - în special pe modele generative, cum ar fi rețelele generative adversariale (GAN) și modelele de difuzie - care sunt din ce în ce mai utilizate în generarea de imagini arhitecturale, în analiza performanței și explorarea unor noi oportunități în proiectare. În loc să tratăm IA ca pe un instrument de tip „cutie neagră”, vom pune accent pe înțelegerea conceptuală și critică.

În contextul proiectării de arhitectură și al proiectării urbane, „învățarea profundă” (Deep Learning), poate fi aplictă pentru a analiza și înțelege datele arhitecturale, a genera noi forme, a optimiza performanța clădirilor și a ajuta în diverse aspecte ale procesului de proiectare. Vom înțelege cum inteligența artificială, în loc să înlocuiască creativitatea, o poate amplifica prin testarea rapidă a unui număr important de soluții, prin analiza și optimizarea acestora în relația cu spațiul, lumina, componentele structurale sau mișcarea.

Mulți studenți interacționează deja cu algortimi de inteligență artificială prin intermediul unor tehnologii dedicate proiectării, adesea fără să realizeze ce anume le face să funcționeze. În centrul acestor tehnologii se află Deep Learning, o modalitate prin care computerele învață dintr-un număr vast de imagini, desene și texte oferind soluții posibile. Modele precum GAN-urile învață studiind tipare: proporții, stiluri, materiale, compoziții spațiale. Nu „inventează” în sens uman, ci recombină cunoștințele învățate în moduri surprinzătoare. GAN-urile sunt deosebit de interesante pentru arhitectură, deoarece generează prin dialog și critică. O rețea propune o imagine, în timp ce o alta o evaluează, apropiind rezultatul de ceea ce pare „real” sau semnificativ. Acest proces nu este atât de diferit de cultura studioului: propunerea, primirea de feedback, rafinarea. Înțelegerea acestui lucru îi ajută pe studenți să vadă inteligența artificială nu ca pe o unealtă misterioasă, ci ca pe un sistem modelat de date, alegeri și obiectivul ce stă la baza proiectării. Calitatea rezultatului depinde de ceea ce a învățat modelul – ridicând întrebări importante despre etică, originalitate și reprezentare culturală în designul arhitectural.

Învățarea elementelor de bază ale „învățării profunde” (Deep Learning) îi ajută pe arhitecți să treacă de la utilizarea instrumentelor de inteligență artificială la modelarea acestora. În loc să accepte imaginile generate ad litteram, studenții le pot evalua critic, pot personaliza fluxurile de lucru sau chiar pot antrena modele pe baza propriului limbaj de design, în contexte personalizate.

Într-un viitor în care imaginile generate de inteligența artificială vor fi peste tot, arhitecții care înțeleg ce se întâmplă în spatele instrumentelor vor face diferența – nu în calitate de creatori de imagini, ci ca arhitecți care pot coordona tehnologia bazată pe algoritmi de inteligență artificială, cu responsabilitate și viziune.

Vom discuta și aspecte de etică, sustenabilitate și responsabilitate în utilizarea IA - accentul este pus pe responsabilitate: sistemele IA trebuie să fie sigure, robuste, conforme, și operate cu transparență, sub control uman pentru completarea expertizei creative a arhitectului.

Vom înțelege că IA este integrată prin proceduri, nu folosită haotic, vom discuta despre:
- modul în care interacționează modelarea matematică și inteligența artificială (prezentarea generală a fluxului de lucru): matematica definește regulile → IA funcționeză în cadrul acestor reguli,
- limitele algoritmilor și riscurile utilizării datelor,
- erori algoritmice și halucinația (rezultate care sună plauzibil, dar sunt greșite din punct de vedere factual, înșelătoare sau nerealiste)
- impactul social al deciziilor automate în mediul construit.

Conținut:

Săptămâna 1 | IA ca partener în proiectare
Subiecte
• Ce este (și ce nu este) IA în arhitectură
• ML vs. DL vs. GAN-uri vs. modele de difuzie
• Ce se ascunde în spatele instrumentelor dedicate

Săptămâna 2 | Date = obiective ale proiectării
Subiecte
• Seturi de date de antrenament
• Drepturile de autor

Săptămâna 3 | GAN-uri și limbaj arhitectural
Subiecte
• Cum funcționează GAN-urile (Generator vs. Discriminator)
• De ce GAN-urile sunt bune în generarea unor „stiluri”

Săptămâna 4 | Modele de difuzie și control
Subiecte
• Difuzie vs. GAN-uri

Săptămâna 5 | Design generativ și optimizare
Subiecte
• Constrângeri și criterii de fitness

Săptămâna 6 | IA pentru analiză (nu imagini)
Subiecte
• ML pentru performanță și modele urbane

Săptămâna 7 | Etică, Drepturile de autor și de utilizare
Săptămânile 7 - 14 dezvoltare de proiecte

Metoda de predare:

Prelegeri pornind de la exemple și studii de caz. Dezbateri.

Mod de evaluare:

Pregătirea unui proiect (individual sau în echipă)